第一章 SAS程序14-- LOGISTIC回归模型.doc

LOGISTIC回归 由于取值非即，如设取的概率为，则它取的概率为Qi＝。 第个观察对象的发生概率比数（odds）为称为发生比，是发生概率与不发生概率的比。发生比取对数称为LOGIT变换。 回归系数的解释,βi表示xi改变一个单位时， logit P的平均变化量。 相对危险度（relative risk）: RR=P1/P2 比数　　　　　　　　　　　　Odds=P/(1-P) 比数比　　　OR=[P１/(1-P１)]/[P２/(1-P２)] 对比数比取自然对数得到关系式： ln 等式左边是比数比的自然对数，等式右边的是同一因素的不同水平与之差。 的意义是在其它自变量固定不变的情况下，自变量的水平每改变一个测量单位时所引起的比数比的自然对数改变量。或者说，在其他自变量固定不变的情况下，当自变量的水平每增加一个测量单位时所引起的比数比为增加前的倍。 自变量每增加一个单位，其相对危险度为eβ。 Logit回归模型实质是求一种概率的估计，将某种概率与一个线性函数联系起来。 例： 三种药物drug取值0-2, 病情程度degree 分重-轻两类（0-1）；因变量response为治疗效果的效与无效(1-0) Data ex12_1; Input drug degree response count; Datalines; 0 1 1 38 0 1 0 64 0 0 1 10 0 0 0 82 1 1 1 95 1 1 0 18 1 0 1 50 1 0 0 35 2 1 1 88 2 1 0 26 2 0 1 34 2 0 0 37 ; Proc logistic data=ex12_1 descending; Freq count; Class drug/param=ref descending; Model response=drug degree/rsq scale=n aggregate; Run; Rsq显示R2 Scale SCALE= speci?es method to correct overdispersion,指定参数，=n表示不需要修正。 Aggregate计算卡方检验统计量 Class 语句将分类变量化成虚拟变量，三种药用两个虚拟变量表示。 The LOGISTIC Procedure Model Information Data Set WORK.EX12_1 Response Variable response Number of Response Levels 2 Frequency Variable count Model binary logit Optimization Technique Fishers scoring Number of Observations Read 12 Number of Observations Used 12 Sum of Frequencies Read 577 Sum of Frequencies Used 577 Response Profile Ordered Total Value response Frequency 1 1 315 2 0 262 Probability modeled is response=1. Class Level Information Design Class Value Variables drug 2 1 0 1 0 1 0 0 0 Model Convergence Status Convergence criterion (GCONV=1E-8) satisfied. Deviance and Pearson Goodness-of-Fit Statistics Criterion Value DF Value/DF Pr ChiSq Deviance 0.3749 2 0.1874 0.8291 Pearson 0.3689 2 0.1844 0.8316 模型拟合集优